scientific article; zbMATH DE number 1762811
Publisher's description: Assoziationsstrukturen und ein-oder wechselseitige Einflüsse zu erfassen ist ein klassisches Anliegen der Statistik. In der vorliegenden Arbeit wird dazu auf das Konzept gerichteter azyklischer Graphen (directed azyclic graphs, kurz: DAGs) zurückgegriffen, mit Hilfe derer sich sowohl bedingte als auch marginale Unabhängigkeiten darstellen lassen. Ausgehend von der Annahme einer multivariaten Normalverteilung wird die Modellselektion auf binäre Variablen und schließlich auf den gemischtenFall (d.h. stetige und diskrete Variablen) übertragen. Dabei wird ein bayesianischer Ansatz, nämlich ein sogenannter Reversible Jump MCMC Algorithmus verwendet, welcher den selektierten DAGs posteriori Wahrscheinlichkeiten zuordnet und somit eine sinnvolle Interpretation der Ergebnisse zuläßt. Der Algorithmus ist innerhalb des Programmpakets BayesX implementiert, und die beschriebene Modellselektion für interessierte Anwender jederzeit frei zugänglich.
- Markov chain Monte Carlo model selection for DAG models
- scientific article; zbMATH DE number 1522721 (Why is no real title available?)
- Reversible jump MCMC for inference in a deterministic individual–based model of tree growth for studying forest dynamics
- Reversible Jump PDMP Samplers for Variable Selection
This page was built for publication:
Report a bug (only for logged in users!)Click here to report a bug for this page (MaRDI item Q4538897)